【正文】 ksv*3t nGK8!z89Am YWpazadNuKNamp。ksv*3t nGK8! z89Am YWpazadNuKNamp。gTXRm 6X4NGpP$vS TTamp。ksv*3t nGK8! z89Am YWv*3t nGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。ksv*3t nGK8! z89Am YWpazadNuGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8! z89Am YWv*3t nGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。ksv*3t nGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。ksv*3tnGK8!z89Am UE9aQGn8xp$Ramp。ksv*3t nGK8! z89AmYWpazadNuKNamp。ksv*3tnGK8!z89Am YWpazadNuKNamp。ksv*3tnGK8!z89Am YWpazadNuKNamp。UE9aQGn8xp$Ramp。gTXRm 6X4NGpP$vSTTamp。gTXRm6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。gTXRm6X4NGpP$vS TTamp。ksv*3t nGK8! z89Am YWpazadNuKNamp。UE9aQGn8xp$Ramp。gTXRm6X4NGpP$vSTamp。gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTamp。gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTamp。QA9wkxFyeQ^! djsXuyUP2kNXpRWXm Aamp。 hh=bottomtop。 end while sum(d(:,right))==0 amp。 bottom=1 bottom=bottom1。amp。bottom=m。 else d=[]。 d(:,[1:wide])=0。 if sum(sum(d))~=0 d=qiege(d)。 [m1,n1]=size(temp)。 while sum(d(:,wide+1))~=0 amp。y1=8。b39。第三步識(shí)別結(jié)果為 : 39。 subplot(6,7,22:42),imshow(39。 subplot(6,7,18),imshow(word4)。})。), xlabel({39。 39。 MinError=min(Error1)。 end end % 以上相當(dāng)于兩幅圖相減得到第三幅圖 Dmax=0。.jpg39。 kmax=36。 kmax=40。 SegBw2=imresize(t,[40 20],39。 for I=1:7 ii=int2str(I)。蘇豫陜魯 39。A39。039。 imwrite(word7,39。)。39。 imwrite(word3,39。)。739。 subplot(5,7,20),imshow(word6),title(39。)。339。 subplot(5,7,16),imshow(word2),title(39。 word7=imresize(word7,[40 20])。 word3=imresize(word3,[40 20])。)。639。 subplot(5,7,5),imshow(word5),title(39。)。239。 subplot(5,7,1),imshow(word1),title(39。 % 分割出第四個(gè)字符 [word4,d]=getword(d)。 % WORD 1 end d(:,[1:wide])=0。 all=sum(sum(temp))。 end if widey1 % 認(rèn)為是左側(cè)干擾 d(:,[1:wide])=0。 while flag==0 [m,n]=size(d)。 % 切割出 7 個(gè)字符 30 y1=10。 end k2=j1。 end k1=j。k2=1。 39。 end imwrite(d,39。... se=eye(2)。/39。square39。)。,3)。) figure(8),subplot(3,2,3),imshow(d),title(39。)。 % T為二值化的閾值 [m,n]=size(b)。 39。 .jpg39。39。輸入一個(gè)定位裁剪后的車(chē)牌圖像 39。)。 figure(7),subplot(1,2,2),imshow(dw),title(39。 t=toc。%對(duì)車(chē)牌區(qū)域的校正 PX2=PX while ((Blue_x(1,PX2)3)amp。 while ((Blue_x(1,PX1)3)amp。 end IY=I(PY1:PY2,:,:)。 end PY2=MaxY。%Y方 向車(chē)牌區(qū)域確定 PY1=MaxY。 myI=double(I5)。title(39。平滑圖像的輪廓 39。,[25,25])。腐蝕后圖像 39。1]。title(39。,39?；叶葓D直方圖 39?；叶葓D 39。原圖 39。39。正是由于他們，我才能在各方面取得顯著的進(jìn)步，在此向他們表示我由衷的謝意，并祝所有的老師 身體健康、工作順利， 培養(yǎng)出越來(lái)越多的優(yōu)秀人才，桃李滿天下！ 27 附錄：程序清單 function [d]=main(jpg) close all clc %I=imread(39。 因此，本設(shè)計(jì)提出的車(chē)牌字符的分割算法實(shí)驗(yàn)證明是準(zhǔn)確、有效、可行的。 （ 3）基于彩色分量的定位方法，運(yùn)用基于藍(lán)色象素點(diǎn)統(tǒng)計(jì)特性的方法對(duì)車(chē)牌是藍(lán)色的車(chē)牌進(jìn)行定位。 24 5 結(jié)論 本課題對(duì)車(chē)牌識(shí)別系統(tǒng)的軟件部分進(jìn)行了研究，分別從圖像預(yù)處理、車(chē)牌定位、字符分割以及字符識(shí)別等方面進(jìn)行了系統(tǒng)的分析。由以上結(jié)果圖可以看到，車(chē)牌被切成只含字符部分，并且七個(gè)字符被切成清晰的七個(gè)字符，實(shí)現(xiàn)了字符切割。為了去除圖像中的噪聲點(diǎn)必須對(duì)截取的圖像進(jìn)行濾波處理，經(jīng)濾波后，不僅去除了噪聲，并且使圖像得到了銳化。字符識(shí)別步驟如下： 圖 字符匹配框圖 建立模板字庫(kù)表 讀取分割出來(lái)的字符 第一個(gè)字符與模板中的漢字模板進(jìn)行匹配 第二個(gè)字符與模板中的字母模板進(jìn)行匹配 待識(shí)別字符與模板字符相減，值越小相似度越大，找到最小的一個(gè)即為匹配的最好的 識(shí)別完成，輸出此模板對(duì)應(yīng)值 后 5 個(gè)字符與模板中的字母與數(shù)字模板進(jìn)行匹配 21 字符匹配的準(zhǔn)確度是車(chē)牌識(shí)別中的關(guān)鍵部分，所以首先要簡(jiǎn)歷精準(zhǔn)有效的模板字庫(kù)表，便于切割完的字符與庫(kù)中內(nèi)容相比較，接下來(lái)是讀取切割的字符，從第一個(gè)字符開(kāi)始一次與庫(kù)中字符相比較匹配，切割后的字符特征值與庫(kù)中模板字符相減，找到值最小的那個(gè)就是匹配得最恰當(dāng)?shù)淖址?。nearest39。模板匹配法雖然識(shí)別率低，但實(shí)現(xiàn)簡(jiǎn)單，計(jì)算量小，只有矩 陣的加減與統(tǒng)計(jì)，而且車(chē)牌字符是有阿拉伯?dāng)?shù)字，英文大寫(xiě)字母，還有部分漢字，雖有字庫(kù)量不大， 字符較規(guī)整時(shí) 對(duì)字符圖像的缺損、污跡干擾適應(yīng)力強(qiáng)且識(shí)別率相當(dāng)高，因此 本課題使用這種方法。利用垂直投影法對(duì)復(fù)雜環(huán)境下的汽車(chē)圖像中的字符分割有較好的效果?？紤]所有的情況，一般情況下最小的寬度為 width/9。利用垂直投影法對(duì)復(fù)雜環(huán)境下的汽車(chē)圖像中的字符分割有較好的效果。 。這里采用高通濾波算法。 字符切割 字符切割前的圖像去噪處理 由于圖像車(chē)牌號(hào)區(qū)域提取后獲得的是從原始圖像中剪切的，是 RGB 圖像，分割同樣采取投影法，故同樣需要先將 RGB 圖像轉(zhuǎn)換成灰度值，再將灰度圖轉(zhuǎn)化成二進(jìn)制圖，轉(zhuǎn)化的方法就是限定一個(gè)閥值，如果大于閥值則為 1，小于閥值為 0,閥值采用 全局 閥值 ，全局閥值 是指整幅圖像都采用相同的 閥值 T 處理，適用于背景和前景有明顯對(duì)比的圖像。分界線計(jì)算后，即可從原圖像中剪切出只包含車(chē)牌的區(qū)域圖像。從直方圖中基本可以看書(shū)水平方向上的兩個(gè)分界線，為了便于處理，該課題將像素值臨界值定量化， 取值 5個(gè)像素。 經(jīng)區(qū)域確定了，即可將車(chē)牌的四個(gè)邊界值確定下來(lái)。 移除小對(duì)象 圖像平滑處理了，可能會(huì)有多個(gè)閉合區(qū)域，對(duì)于不是車(chē)牌區(qū)域的必須予以刪除，Matlab 提供了一個(gè)函數(shù) bwareaopen()，用于 刪除二值圖像中面積小于 一個(gè)定值 的對(duì)象，默認(rèn)情況下使用 8鄰域 ， Car_Image_Perform2=bwareaopen(Car_Image_Perform,2021)。 即 Se是一個(gè)一個(gè) 25 25? 的矩形，使用矩形是因?yàn)檐?chē)牌是一個(gè)矩形，這樣，可以是提取的圖像最接近預(yù)期效果。 Car_Image_Perform=imclose(Car_Image_Erode,Se)。1Se? 。結(jié)構(gòu)元素的大小形狀任意，一般是二維的。 腐蝕的規(guī)則是輸出圖像的最小值是輸入圖像領(lǐng)域中的最小值，在一個(gè)二值圖像中，只要有一個(gè)像素值為 0，則相應(yīng)的輸出像素值為 0。但是，在車(chē)牌附近的其他區(qū)域也由于各種干擾的影響 ，也存在一些白色區(qū)域。 Roberts邊緣檢測(cè)算子相當(dāng)于用0110??????和 錯(cuò)誤 !未找到引用源。 由于 Roberts 邊緣檢測(cè)算子是一種利用局部差分算子尋找邊緣的算 子 , 根據(jù)任一相互垂直方向上的差分都可用來(lái)估計(jì)梯度， Robert 算子采用對(duì)角方向相鄰兩像素之差，其計(jì)算公式如下： ? ? ? ?, 1, 1xf f x y f x y? ? ? ? ? （ ） ? ? ? ?1, , 1yf f x y f x y? ? ? ? ? （ ） 其幅值為： 錯(cuò)誤 !未找到引用源。)。 圖像的邊緣檢測(cè) 在 Matlab 中利用函數(shù) edge()實(shí)現(xiàn)邊緣檢測(cè)，具體的用法如下所示： Car_Image_Bin=edge(Car_Image_Gray,39。同理對(duì)白底黑字的牌照可用 R 通道，綠底白字的牌照可以用 G 通道就可以明顯呈現(xiàn)出牌照區(qū)域的位置，便于后續(xù)處理。 即可將圖像讀取出來(lái)，這樣讀取得到的是 RGB圖像， RGB 圖像分別用紅、綠、藍(lán)三個(gè)色度值為一組代表每個(gè)像素的顏色，因此 Car_Image_RGB 是 一個(gè) 錯(cuò)誤 !未找到引用源。 圖像讀取及車(chē)牌區(qū)域提取 圖像讀取及車(chē)牌區(qū)域提取主要有：圖像灰度圖轉(zhuǎn)化、圖像邊緣檢測(cè)、灰度圖腐蝕、圖像的平滑處理以及車(chē)牌區(qū)域的邊界值計(jì)算。 8 3 車(chē)牌識(shí)別系統(tǒng)程序設(shè)計(jì) 開(kāi)發(fā)環(huán)境選擇 車(chē)牌號(hào)識(shí)別系統(tǒng)的軟件部分大都采用 VC++,VB 或者 Matlab,本課題選用 Matlab，主要是因?yàn)?Matlab 具有以下優(yōu)點(diǎn) 1) Matlab 繪圖 功能很強(qiáng)大， 但在 VC++， VB 語(yǔ)言里繪圖都很不容易，但 Matlab里數(shù)據(jù)的可視化程度非常高，并且具有較強(qiáng)的編輯圖形界面的能力。實(shí)際應(yīng)用中，牌照識(shí)別系統(tǒng)的識(shí)別率與牌照質(zhì)量和拍攝質(zhì)量密切相關(guān)。所以利用垂直投影法對(duì)復(fù)雜環(huán)境下的汽車(chē)圖像的字符分割有較好的效果。 通過(guò)以上步驟，牌照一般能夠被定位。 為了進(jìn)行牌照識(shí)別，需要以下幾個(gè)基本的步驟： ，定位圖片中的牌照位置； ，把牌照中的字符分割出來(lái)； ，把分割好的字符進(jìn)行識(shí)別，最終組成牌照號(hào)碼。 四：字符分割：利用投影檢測(cè)的字符定位分割方法得到單個(gè)的字符。 字符識(shí)別是利用字符識(shí)別的原理識(shí)別提取出的字符圖像，目前常用的方法有：基于模板匹配的方法、基于特征的方法和神經(jīng)網(wǎng)絡(luò)法等。車(chē)牌識(shí)別的關(guān)鍵技術(shù)有：車(chē)牌定位、字符切割和字符識(shí)別等。硬件設(shè)備一般由車(chē)體感應(yīng)設(shè)備、輔助光源、攝像機(jī)、圖像采集卡和計(jì)算機(jī)。社區(qū)保安系統(tǒng)將出入的車(chē)輛通過(guò)車(chē)牌識(shí)別技術(shù)進(jìn)行記錄，將結(jié)果與內(nèi)部車(chē)輛列表對(duì)比可以實(shí)現(xiàn)防盜監(jiān)管。采用車(chē)牌識(shí)別技術(shù)實(shí)現(xiàn)對(duì)車(chē)輛的自動(dòng)識(shí)別，快速報(bào)警，既可以有效查找被盜車(chē)輛，同時(shí)又為公安機(jī)關(guān)提供了對(duì)犯罪嫌疑人的交通工具進(jìn)行遠(yuǎn)程跟蹤與監(jiān)查的技術(shù)手段。利 用車(chē)牌識(shí)別技術(shù)對(duì)出入車(chē)輛的號(hào)牌進(jìn)行識(shí)別和匹配，與停車(chē)卡結(jié)合實(shí)現(xiàn)自動(dòng)計(jì)時(shí)、計(jì)費(fèi)的車(chē)輛收費(fèi)管理系統(tǒng)。首個(gè)字符為中文字符，為各個(gè)省或直轄市的簡(jiǎn)稱，第二個(gè)字符為英文大寫(xiě)字符，前兩個(gè)字符確定該車(chē)牌所在地，后五個(gè)字符由阿拉伯?dāng)?shù)字及英文大寫(xiě)字符組合而成，并且后五個(gè)字符間距相同，七個(gè)字符大小也相同。但是包括其他研究人員提出的算法，都存在計(jì)算量和存儲(chǔ)量大的問(wèn)題，難以滿足實(shí)時(shí)性的要求。并且已經(jīng)實(shí)現(xiàn)了產(chǎn)品化，并在實(shí)際的交通系統(tǒng)中得到了廣泛的應(yīng)用。國(guó)外在這方面的研究工作開(kāi)展較早。一是當(dāng)車(chē)牌圖像的對(duì)比度較小、光照不均勻、車(chē)牌磨損褪色以及有類似車(chē)牌紋理特征的干擾時(shí)，有效定位率下降；其次在車(chē)牌字符分割時(shí)，光照